Uma Abordagem Distribuída e Adaptativa para a Gerência dos Dados de Proveniência de Experimentos Científicos Executados em Nuvens Computacionais

A ciência baseada em simulação computacional é fortemente dependente dos avanços tecnológicos. Muitos workflows científicos são formados por milhares de atividades (invocações de programas) e, em apenas uma execução, estas atividades podem ser executadas milhares de vezes, para que o resultado final seja gerado. Neste contexto, a computação de alto desempenho é uma alternativa importante e, em especial, as nuvens de computadores. As nuvens podem oferecer um alto poder de processamento com baixa complexidade na sua utilização a um custo flexível, o que as tornam uma alternativa viável para a ciência baseada em simulação. Entretanto, mesmo executando em ambientes de nuvem com diversos nós computacionais, o volume de dados (dados de execução dos experimentos e dados de proveniência – que representam o histórico da execução do workflow) produzido e consumido e que deve ser gerenciado, pode se tornar um problema. Essa gerência se for realizada de forma centralizada, pode impactar no desempenho da própria execução do workflow, uma vez que os sistemas atuais são responsáveis tanto por executar o workflow quanto gerenciar os dados de proveniência. Aproveitando-nos da característica elástica dos recursos da nuvem, apresentamos nessa tese estratégias que buscam melhorar a gerência dos dados de proveniência ao mesmo tempo em que melhoram a eficiência dos experimentos executados, tendo como principal norte duas vertentes: redução do tempo de consultas e de despesas.